ContactPose：一份包含物体接触和手姿态的抓取数据集
使用红外传感器捕捉和记录了 50 种日常物品的手 - 物体接触点图，研究表明功能意图和物品大小对握取有影响，多种算法用于预测手 - 物体接触点图。
Apr, 2019
通过深度学习的手法，优化手的姿态以实现与目标物体的期望接触，并使用一种可微分的接触模型来高效优化手的姿态，以实现期望的接触效果，从而显著提高接触匹配度和人类参与者对于抓取的喜好度。
Apr, 2021
该研究通过收集一个新的名为 GRAB 的数据集，包含 10 个零件与 51 个日常物品的互动，详细描述了人类整体抓握物品的过程。通过这个数据集，研究者运用生成式网络训练预测人类手部抓握姿态的模型，以帮助更好地理解人体与物品的互动过程。
Aug, 2020
本篇研究通过介绍一种新的中间变量来提高三维抓取合成的效率，以解决现有方法想要直接从物体映射到抓取姿势的非光滑和低效问题，并提出了一种基于接触区域的因子图形式来描述抓取姿态生成过程，并通过实验验证了优化方法的有效性。
Oct, 2022
通过视觉远程操作收集数据和获取姿态估计和接触信息，提出了一种新的数据集和新的方法来学习手和动态物体姿态估计的交互先验知识。通过对数据的学习，可以提高联合手和关节物体姿态估计的性能。
May, 2023
该论文介绍了一种从物体形状和接触中进行功能性抓握合成的框架，成果能用于不同手模型的功能抓握合成，该方法是基于人体接触示范的数据集进行的。
Apr, 2019
本研究提出了 AffordPose，一个基于部件级作用标签的大规模手 - 物交互数据集，揭示了手中心作用对手势姿势的详细排列影响，同时呈现一定程度的多样性。通过参数统计和接触计算，综合数据分析显示了各项作用对手 - 物交互的共同特征和多样性。我们还进行了手 - 物作用理解和作用导向手 - 物交互生成任务的实验，验证了我们的数据集在学习精细手 - 物交互方面的有效性。
Sep, 2023
该论文提出了一种新颖的以物体为中心的接触表示方法 ContactGen，用于手 - 物体交互。ContactGen 包括三个组成部分：接触位置的接触图，接触手部的部分图以及每个部分内的接触方向的方向图。通过给定输入物体，我们提出了一个条件生成模型来预测 ContactGen，并采用基于模型的优化来预测多样且几何可行的抓取。实验结果表明，我们的方法能够为各种物体生成高保真度和多样性的人类抓取。项目页面：this https URL
Oct, 2023
本文提出基于对象接触点和手接触点的一致性设计新目标模型以及自我监督任务来生成人类手的抓取姿态，实验证明该模型在人类手抓取方面比其他最先进方法有了显著的提升，特别是在测试过程中对未见过和超出领域的物体表现出更大的增益。
Apr, 2021
本文提出了一种从互联网视频中提取手部状态信息的方法，通过收集大规模数据集并建立学习模型，该方法能够推测出手部位置、接触状态以及所接触的物体，支持 3D 网格的建模。
Jun, 2020